调度工具（ETL+任务流）

时间  2019-11-13
标签 调度 工具 etl 任务 繁體版
原文   原文链接

1.区别ETL做业调度工具和任务流调度工具

kettle是一个ETL工具，ETL（Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程）。
kettle中文名称叫水壶，该项目的主程序员MATT 但愿把各类数据放到一个壶里，而后以一种指定的格式流出。
因此他的重心是用于数据

oozie是一个工做流，Oozie工做流是放置在控制依赖DAG（有向无环图 Direct Acyclic Graph）中的一组动做（例如，Hadoop的Map/Reduce做业、Pig做业等），其中指定了动做执行的顺序。
oozie工做流中是有数据流动的，可是重心是在于工做流的定义。

两者虽然都有相关功能及数据的流动，可是其实用途是不同的。php

2.ETL做业调度工具

2.1Sqoop调度工具

2.1.1列举出全部数据库

查看帮助java

bin/sqoop help

列举出全部linux上的数据库node

bin/sqoop list-databases --connect jdbc:mysql://localhost:3306 --username root --password root

列举出全部Window上的数据库mysql

bin/sqoop list-databases --connect jdbc:mysql://192.168.22.36:3306 --username root --password root

查看数据库下的全部表linux

bin/sqoop list-tables --connect jdbc:mysql://localhost:3306/mysql --username root --password root

2.12导入数据库表数据到HDFS

（1）肯定mysql服务启动正常程序员

查询控制端口和查询进程来肯定，一下两种办法能够确认mysql是否在启动状态web

办法1：查询端口ajax

$ netstat -tulpn

 

MySQL监控的TCP的3306端口，若是显示3306，证实MySQL服务在运行中sql

办法二：查询进程shell

能够看见mysql的进程

ps -ef | grep mysqld

没有指定数据导入到哪一个目录，默认是/user/root/表名

bin/sqoop import \
--connect jdbc:mysql://192.168.77.137/zhjy \
--password 123456 \
--username root \
--table zf_jygz_thjc \
--m 1 \
--fields-terminated-by '\t'

或是

bin/sqoop import \
--connect jdbc:mysql://192.168.77.137/zhjy \
--password 123456 \
--username root \
--table zf_jygz_thjc \
--m 5 \
--split-by ZF_BH(通常在设置-m>1时使用)
--fields-terminated-by '\t'

缘由:

若是表中有主键,m的值能够设置大于1的值;若是没有主键只能将m值设置成为1;或者要将m值大于1,须要使用--split-by指定一个字段

设置了-m 1 说明只有一个maptask执行数据导入,默认是4个maptask执行导入操做,可是必须指定一个列来做为划分依据

导入数据到指定目录

在导入表数据到HDFS使用Sqoop导入工具，咱们能够指定目标目录。使用参数 --target-dir来指定导出目的地，使用参数—delete-target-dir来判断导出目录是否存在，若是存在就删掉

bin/sqoop import \
--connect jdbc:mysql://192.168.77.137/zhjy \
--username root \
--password 123456 \
--delete-target-dir \   --若是目录存在,将目录删除
--table zf_jygz_thjc \
--target-dir /user/zhjy \    --指定保存目录
--m 1 \
--fields-terminated-by '\t'

查询导入

bin/sqoop import \
--connect jdbc:mysql://192.168.72.133:3306/company \
--username root \
--password root \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=1 and $CONDITIONS;'

提示：must contain '$CONDITIONS' in WHERE clause。

where id <=1 匹配条件

$CONDITIONS：传递做用。

若是 query 后使用的是双引号，则 $CONDITIONS前必须加转义符，防止 shell 识别为本身的变量。

--query时不能使用--table一块儿使用

须要指定--target-dir路径

导入到hdfs指定目录并指定要求

bin/sqoop import \
--connect jdbc:mysql://192.168.72.133:3306/company \
--username root \
--password root\
#提升数据库到hadoop的传输速度
--direct
--table staff \
--delete-target-dir \
#导入指定列,涉及到多列，用逗号分隔
--column id，sex \
--target-dir /user/company \
--num-mappers 1 \
#指定分隔符
--fields-terminated-by '\t'
#指定导出存储格式
--as-textfile
#指定数据压缩(压缩,解压缩方式)
--compress
--compression-codec org.apache.hadoop.io.compress.SnappyCodec

数据导出储存方式（数据存储文件格式---（ textfil parquet）--as-textfileImports data as plain text (default)--as-parquetfile Imports data to Parquet Files）

 

导入表数据子集到HDFS

bin/sqoop import \
--connect jdbc:mysql://172.16.43.67:3306/userdb \
--username root \
--password root \
--table emp_add \
--target-dir /sqoop/emp_add \
-m 1  \
--delete-target-dir \
--where "city = 'sec-bad'"

 

sqoop导入blob数据到hive

对于CLOB，如xml文本，sqoop能够迁移到Hive表，对应字段存储为字符类型。
对于BLOB，如jpg图片，sqoop没法直接迁移到Hive表，只能先迁移到HDFS路径，而后再使用Hive命令加载到Hive表。迁移到HDFS后BLOB字段存储为16进制形式。

bin/sqoop-import \
--connect jdbc:mysql://192.168.77.137:3306/zhjy \
--username root \
--password 123456 \
--table ceshi \
--columns "id,name,photo" \
--split-by id \
-m 4 \
--inline-lob-limit=16777126 \设置内联的LOB对象的大小
--target-dir /user/hive/warehouse/ods.db/ceshi

 

2.1.3导入关系表到Hive

第一步:导入须要的jar包

将咱们mysql表当中的数据直接导入到hive表中的话，咱们须要将hive的一个叫作hive-exec-1.1.0-cdh5.14.0.jar的jar包拷贝到sqoop的lib目录下

cp /export/servers/hive-1.1.0-cdh5.14.0/lib/hive-exec-1.1.0-cdh5.14.0.jar /export/servers/sqoop-1.4.6-cdh5.14.0/lib/

第二步:开始导入

day=`date -d "yesterday" +%Y%m%d`

sqoop import \　　　　　　　　--导入数据
--connect jdbc:mysql://10.2.111.87:3306/ehl_apmp \　　　　　　　　--链接url
--username root \　　　　　　　　--用户名
--password root \　　　　　　　　--密码
--table zf_jygz_thjc \　　　　　　　　--要导入的表
-m 1 \　　　　　　　　--maptask
--hive-drop-import-delims \　　　　　　　　--导入时删除数据库中特殊字符　　　　
--hive-overwrite \　　　　　　　　--覆盖导入
--hive-import \　　　　　　　　--导入到hive表中
--hive-database ods \　　　　　　　　--导入到hive中哪一个数据库
--hive-table ods_zf_jygz_thjc \　　　　　　　　--导入到hive中哪一个表
--fields-terminated-by '\t' \　　　　　　　　--字段分隔符
--lines-terminated-by '\n' 　　　　　　　　--指定行分隔符
--null-string '\\N' \　　　　　　　　--字符串类型为null是代替字符
--null-non-string '\\N' \　　　　　　　　--字非符串类型为null是的代替字符
--hive-partition-key day \　　　　　　　　--hive表的分区字段
--hive-partition-value "$day"　　　　　　　　--指定导入表的分区值

 

导入关系表到hive并自动建立hive表

们也能够经过命令来将咱们的mysql的表直接导入到hive表当中去

sqoop import --connect jdbc:mysql://10.2.111.87:3306/ehl_apmp \
--username root --password root \
--table $1 \
--hive-import \
--hive-database ods \
--create-hive-table \
--fields-terminated-by '\t' \
--null-string '\\N' \
--null-non-string '\\N' \
--split-by code \
-m 4

经过这个命令，咱们能够直接将咱们mysql表当中的数据以及表结构一块儿倒入到hive当中去

https://blog.csdn.net/holdbelief/article/details/79578723

2.1.4增量导入

--incremental<mode> 增量模式。

append id 是获取一个某一列的某个值。

lastmodified “2016-12-15 15：47：35” 获取某个时间后修改的全部数据

-append 附加模式

-merge-key id 合并模式

--check-column<column name> 用来指定一些列，能够去指定多个列；一般的是指定主键id

--last -value<last check column value> 从哪一个值开始增量

==注意:增量导入的时候,必定不能加参数--delete-target-dir 不然会报错==

第一种增量导入方式(不经常使用)

1.Append方式

使用场景：有个订单表，里面每一个订单有一个惟一标识的自增列id，在关系型数据库中以主键的形式存在。以前已经将id在0-1000之间的编号的订单导入到HDFS 中；若是在产生新的订单，此时咱们只需指定incremental参数为append，--last-value参数为1000便可，表示只从id大于1000后开始导入。

（1）建立一个MySQL表

CREATE TABLE orders(
 o_id INT PRIMARY KEY AUTO_INCREMENT,
 o_name VARCHAR(255),
 o_price INT 
);
INSERT INTO orders(o_id,o_name,o_price) VALUES(1,'联想',5000);
INSERT INTO orders(o_id,o_name,o_price) VALUES(2,'海尔',3000);
INSERT INTO orders(o_id,o_name,o_price) VALUES(3,'雷神',5000);
INSERT INTO orders(o_id,o_name,o_price) VALUES(4,'JACK JONES',800);
INSERT INTO orders(o_id,o_name,o_price) VALUES(5,'真维斯',200);

（2）建立一个hive表（表结构与mysql一致）

bin/sqoop import \ 
--connect jdbc:mysql://192.168.22.30:3306/userdb \
--username root \
--password root \
--table emp \
--target-dir /sqoop/increment \
--num-mappers 1 \
--incremental append \
--check-column id \
--last-value 1202

注意：

append 模式不支持写入到hive表中

2.lastModify方式

此方式要求原有表有time字段，它能指定一个时间戳，让sqoop把该时间戳以后的数据导入到HDFS；由于后续订单可能状体会变化，变化后time字段时间戳也会变化，此时sqoop依然会将相同状态更改后的订单导入HDFS，固然咱们能够只当merge-key参数为order-id，表示将后续新的记录和原有记录合并。

# 将时间列大于等于阈值的数据增量导入HDFS

sqoop import \
  --connect jdbc:mysql://192.168.xxx.xxx:3316/testdb \
  --username root \
  --password transwarp \
  --query “select order_id, name from order_table where \$CONDITIONS” \
  --target-dir /user/root/order_all \ 
  --split-by id \
  -m 4  \
  --incremental lastmodified \
  --merge-key order_id \
  --check-column time \
  # remember this date !!!
  --last-value “2014-11-09 21:00:00”

使用 lastmodified 方式导入数据，要指定增量数据是要 --append（追加）仍是要 --merge-key（合并）last-value 指定的值是会包含于增量导入的数据中。

第二种增量导入方式(推荐)

==经过where条件选取数据更加精准==

yesterday=`date -d "yesterday" +%Y_%m_%d`
where="update_time >= \"${yesterday}""
day=`date -d "yesterday" +%Y-%m-%d`
sqoop import \　　　　　　　　--导入数据
--connect jdbc:mysql://10.2.111.87:3306/ehl_apmp \　　　　　　　　--链接url
--username root \　　　　　　　　--用户名
--password root \　　　　　　　　--密码
--table zf_jygz_thjc \　　　　　　　　--要导入的表
-m 1 \　　　　　　　　--maptask
--hive-drop-import-delims \　　　　　　　　--导入时删除数据库中特殊字符　　　　
--hive-overwrite \　　　　　　　　--覆盖导入
--hive-import \　　　　　　　　--导入到hive表中
--hive-database ods \　　　　　　　　--导入到hive中哪一个数据库
--hive-table ods_zf_jygz_thjc \　　　　　　　　--导入到hive中哪一个表
--fields-terminated-by '\t' \　　　　　　　　--字段分隔符
--lines-terminated-by '\n' 　　　　　　　　--指定行分隔符
--columns 'zf_bh,zf_xm' \　　　　　　　　--导入的字段(可选)
--where "${where}" \　　　　　　　　--条件导入
--null-string '\\N' \　　　　　　　　--字符串类型为null是代替字符
--null-non-string '\\N' \　　　　　　　　--字非符串类型为null是的代替字符
--hive-partition-key day \　　　　　　　　--hive表的分区字段
--hive-partition-value "$day"　　　　　　　　--指定导入表的分区值

2.1.5从RDBMS到HBase

bin/sqoop import 
--connect jdbc:mysql://192.168.22.30:3306/userdb \
--username root \
--password root \
--table emp \
--columns "id,name,sex" \
--column-family "info"
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_test" \
--split-by id \
--num-mappers 1

会报错

缘由：sqoop1.4.6 只支持 HBase1.0.1 以前的版本的自动建立 HBase 表的功能。

解决方案：手动建立 HBase 表

hbase> create 'hbase_staff','info'

2.1.6从HDFS到RDBMS

导出前，目标表必须存在与目标数据库中

默认操做是将文件中的数据使用insert语句插入到表中

数据是在HDFS当中的以下目录/sqoop/emp，数据内容以下

1201,gopal,manager,50000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1202,manisha,Proof reader,50000,TP,2018-06-15 18:54:32.0,2018-06-17 20:26:08.0,1
1203,khalil,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1204,prasanth,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 21:05:52.0,0
1205,kranthi,admin,20000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1

第一步：建立MySQL表

CREATE TABLE `emp_out` (
 `id` INT(11) DEFAULT NULL,
 `name` VARCHAR(100) DEFAULT NULL,
 `deg` VARCHAR(100) DEFAULT NULL,
 `salary` INT(11) DEFAULT NULL,
 `dept` VARCHAR(10) DEFAULT NULL,
 `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
 `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
 `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=utf8;

第二步：执行导出命令

经过export来实现数据的导出，将hdfs的数据导出到mysql当中去

全量导出

bin/sqoop export \
--connect jdbc:mysql://172.16.43.67:3306/userdb \
--username root \
--password admin \
--table emp_out \
--export-dir /sqoop/emp \
--columns id,name \(当文件数据与表结构一致时,能够不指定)
--input-fields-terminated-by ","

增量导出

bin/sqoop export \
--connect jdbc:mysql://192.168.77.137:3306/zhjy \
--username root \
--password 123456 \
--table emp_out \
--update-key id \
--update-mode allowinsert \(新增的数据被导出)
--export-dir '/user/hive/warehouse/ods_ceshi/part-m-00000' \
--input-null-string '\\N' \
--input-null-non-string '\\N' \
--input-fields-terminated-by ',' \
-m 1

 

 

更新导出

bin/sqoop export \
--connect jdbc:mysql://192.168.77.137:3306/zhjy \
--username root \
--password 123456 \
--table emp_out \
--update-key id \
--update-mode updateonly \(只能导出修改后的数据,不能导出新增的数据)
--export-dir '/user/hive/warehouse/ods_ceshi/part-m-00000' \
--input-null-string '\\N' \
--input-null-non-string '\\N' \
--input-fields-terminated-by ',' \
-m 1

 

总结:

参数介绍
--update-key 后面也能够接多个关键字列名，可使用逗号隔开，Sqoop将会匹配多个关键字后再执行更新操做。
--export-dir 参数配合--table或者--call参数使用，指定了HDFS上须要将数据导入到MySQL中的文件集目录。
--update-mode updateonly和allowinsert。 默认模式为updateonly，若是指定--update-mode模式为allowinsert，能够将目标数据库中原来不存在的数据也导入到数据库表中。即将存在的数据更新，不存在数据插入。

组合测试及说明
一、当指定update-key，且关系型数据库表存在主键时：
   A、allowinsert模式时，为更新目标数据库表存的内容，而且原来不存在的数据也导入到数据库表；
   B、updateonly模式时，为更新目标数据库表存的内容，而且原来不存在的数据也不导入到数据库表；
   
二、当指定update-key，且关系型数据库表不存在主键时：
   A、allowinsert模式时，为所有数据追加导入到数据库表；
   B、updateonly模式时，为更新目标数据库表存的内容，而且原来不存在的数据也不导入到数据库表；

三、当不指定update-key，且关系型数据库表存在主键时：
   A、allowinsert模式时，报主键冲突，数据无变化；
   B、updateonly模式时，报主键冲突，数据无变化；

四、当不指定update-key，且关系型数据库表不存在主键时：
   A、allowinsert模式时，为所有数据追加导入到数据库表；
   B、updateonly模式时，为所有数据追加导入到数据库表；

 

实际案例:

(1)mysql批量导入hive

#!/bin/bash
source /etc/profile
num=0
list="table1 table2 table3"
for i in $list; do
   echo "$sum"
   echo "$i"
   echo "sqoop开始批量导入......"
   sqoop import --connect jdbc:mysql://localhost:3306/test --username root --password 123456 --table person --hive-table db.$i --delete-target-dir  --hive-overwrite --hive-import &
   num=$(expr $num + 1)
   if [$sum -gt 4 ]; then
      {
         echo "等待批量任务完成"
         wait
         echo "开始下一批导入"
         num = 0
      }
   fi
done
echo "等待最后一批任务完成"
wait
echo "所有导入完成"

 

使用shell脚本：

#!/bin/sh
export SQOOP_HOME=/usr/share/sqoop-1.4.4
hostname="192.168.1.199"
user="root"
password="root"
database="test"
table="tags"
curr_max=0

function db_to_hive(){

   ${SQOOP_HOME}/bin/sqoop import 
   --connect jdbc:mysql://${hostname}/${database} \
   --username ${user} \
   --password ${password}  \
   --table ${table}   \
   --split-by docid \
   --hive-import \
   --hive-table lan.ding  
--fields-terminated-by '\t' --incremental  append  --check-column docid --last-value ${curr_max}   
   result=`mysql -h${hostname} -u${user} -p${password} ${database}<<EOF 
select max(docid) from ${table};
EOF`
curr_max=`echo $result |awk '{print $2}'`
}

if [ $# -eq 0 ];then
   while true
   do
     db_to_hive
     sleep 120
   done
   exit
fi

笔者目前用sqoop把mysql数据导入到Hive中，最后实现命令行导入，sqoop版本1.4.7，实现以下

sqoop job --import --connect jdbc:mysql://10.4.20.93:3303 \--username user \--password 123456 \--query "select user_name ,user_id,identype from users where $CONDITIONS" \--hive-import \--hive-database haibian_odbc \--hive-table users \--split-by id \--fields-terminated-by '\01' \--lines-terminated-by '\n' \--target-dir /user/hive/tmp/users \--hive-delims-replacement ' ' --incremental append \--check-column id \--last-value 0

最后须要把这个导入搞成job，天天定时去跑，实现数据的自动化增量导入，sqoop支持job的管理，能够把导入建立成job重复去跑，而且它会在metastore中记录增值，每次执行增量导入以前去查询

建立job命令以下

sqoop job --create users -- import --connect jdbc:mysql://10.4.20.93:3303 \--username user \--password 123456 \--query "select user_name ,user_id,identype from users where $CONDITIONS" \--hive-import \--hive-database haibian_odbc \--hive-table users \--split-by id \--fields-terminated-by '\01' \--lines-terminated-by '\n' \--target-dir /user/hive/tmp/users \--hive-delims-replacement ' ' --incremental append \--check-column id \--last-value 0

建立完job就能够去执行它了

sqoop job --exec users

能够把该指令设为Linux定时任务，或者用Azkaban定时去执行它

shell脚本循环遍历日期，用于sqoop脚本

#! /bin/bash
first="$1"
second="$2"
while [ "$first" != "$second" ]
do
date=`date -d "$first" +"%Y-%m-%d"`
sqoop export \
--connect jdbc:mysql:// \
--username \
--password \
--table dwd_fact_front_orderinfo \
--export-dir /user/hive/warehouse/dwd.db/dwd_fact_front_orderinfo/day="$date" \
--input-null-non-string '\\N' \
--input-null-string '\\N' \
--input-fields-terminated-by "\t" \
--update-key id \
--update-mode allowinsert \
--m 1;
let first=`date -d "-1 days ago ${first}" +%Y%m%d`
done
​

2.2Kettle调度工具

 

3.任务流调度工具

3.1调度工具对比

（1）：对市面上最流行的两种调度器，给出如下详细对比，以供技术选型参考。整体来讲，ooize相比azkaban是一个重量级的任务调度系统，功能全面，但配置使用也更复杂。若是能够不在乎某些功能的缺失，轻量级调度器azkaban是很不错的候选对象。

（2）：功能：

　　二者都可以调度mapreduce,pig,java,脚本工做流任务；

　　二者都可以定时执行工做流任务； 

（3）：工做流定义：

　　Azkaban使用Properties文件定义工做流；

　　Oozie使用XML文件定义工做流；

（4）：工做流传参：

　　Azkaban支持直接传参，例如${input}；

　　Oozie支持参数和EL表达式，例如${fs:dirSize(myInputDir)}； 

（5）：定时执行：

　　Azkaban的定时执行任务是基于时间的；

　　Oozie的定时执行任务基于时间和输入数据；

（6）：资源管理：

　　Azkaban有较严格的权限控制，如用户对工做流进行读/写/执行等操做；

　　Oozie暂无严格的权限控制；

（7）：工做流执行：

　　Azkaban有两种运行模式，分别是solo server mode(executor server和web server部署在同一台节点)和multi server mode(executor server和web server能够部署在不一样节点)；

　　Oozie做为工做流服务器运行，支持多用户和多工做流；

（8）：工做流管理：

　　Azkaban支持浏览器以及ajax方式操做工做流；

　　Oozie支持命令行、HTTP REST、Java API、浏览器操做工做流；

3.2 Azkaban调度工具

3.1.1启动solo-server

cd  /export/servers/azkaban-solo-server-0.1.0-SNAPSHOT

bin/start-solo.sh

3.1.2浏览器页面访问

浏览器页面访问

http://node03:8081/ 

3.3 Oozie调度工具

使用Oozie时一般整合hue,用户数据仓库调度

3.3.1数仓流程说明

大体流程：
MySQL -> HDFS -> ODS -> DWD -> DWS -> ADS -> MySQL
 
具体流程:
1. MySQL业务经过Sqoop数据导入HDFS
2. 将HDFS数据导入Hive数仓ODS层
3. 将ODS数据简单清洗写入DWD层
4. 将DWD数据轻度汇总写入DWS层宽表
5. 将DWS层数据统计结果写入ADS层
6. 将ADS层数据经过Sqoop导出到MySQL汇总表

 

3.3.2建立工做流

1. 建立工做流

 

2. 编辑工做流

 

3. 上传脚本

4. 添加文件

就是刚才选择的脚本

 

5. 填写参数

脚本里须要的参数，尽可能设置为动态自动获取，如 ${date}

第一步的参数是全部文件和当天日期，后面的只须要日期，最后一步是导出全部结果，相应填入

6. 依次添加后续任务

添加文件和设置相应参数

7. 保存，或者运行

8. 状态提示

运行后会有状态提示页面，能够看到任务进度

9. 其余

点击调度任务的页面状况

定时调度

1. 建立定时计划（schedule）

2. 修改属性

修改定时任务名和描述

3. 添加任务

添加须要定时调度的任务

4. 设置调度时间

5. Crontab高级语法模式

6. 参数设置

sm-workflow的参数都是写死的，没有设置动态，这里的下拉列表就不会有可选项。

设置参数

将sm-workflow的日期修改成 ${do_date}，保存

 

进入定时计划sm-dw中，会看到有参数 do_date

填入相应参数，前一天日期

${coord:formatTime(coord:dateOffset(coord:nominalTime(), -1, ‘DAY’), ‘yyyyMMdd’)}

Oozie经常使用系统常量

 

固然，也能够经过这样将参数传入workflow任务中，代码或者shell中须要的参数。

如，修改sm-workflow 中的 sqoop_import.sh，添加一个参数 ${num}。

编辑文件（须要登录Hue的用户有对HDFS操做的权限），修改shell中的一个值为参数，保存。

在workflow中，编辑添加参数 ${num} ，或者num=${num} 保存。

进入schedule中，能够看到添加的参数，编辑输入相应参数便可。

Bundle

Bundle统一管理全部定时调度，阶段划分：Bundle > Schedule > workflow

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程